NSCLC中miR-708表达升高及其与从不吸烟者肺腺癌不良生存的关联

该数据集来自 omicsdi.org,属于肿瘤/肺癌领域的转录组学数据,围绕非小细胞肺癌中 miR-708 的表达及其与从不吸烟者肺腺癌不良生存的关联

omicsdi
浏览 13
时间序列预测Transcriptomics
Increased miR-708 expression in NSCLC and its association with poor survival in lung adenocarcinoma from Never Smokers

基本信息

模态
时间序列
任务类型
预测
创建/更新时间
2026-10-07

资源简介

NSCLC中miR-708表达升高及其与从不吸烟者肺腺癌不良生存的关联

该数据集来自 omicsdi.org,属于肿瘤/肺癌领域的转录组学数据,围绕非小细胞肺癌中 miR-708 的表达及其与从不吸烟者肺腺癌不良生存的关联。研究对从不吸烟者的 47 对 FFPE 组织及 56 对新鲜冷冻样本的配对肺腺癌与未受累肺组织进行了 miRNA 表达谱分析,并涉及 miR-708 对细胞增殖、迁移、侵袭及 TMEM88/Wnt 信号通路的影响。可用于肺癌 miRNA 表达、预后关联及致癌机制相关研究(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):我们证明 miR-708 是非小细胞肺癌中表达上调最显著的 miRNA 之一。肿瘤中高水平的 miR-708 也与从不吸烟者肺腺癌的总生存期缩短相关。在功能上,miR-708 过表达会增加培养细胞的增殖、迁移和侵袭,并下调 TMEM88——Wnt 信号的负调控因子。总之,我们的结果支持 miR-708 通过激活 Wnt 信号通路促进肺癌进展的致癌作用。我们使用来自从不吸烟者的 47 对福尔马林固定、石蜡包埋 [FFPE] 组织的配对肺腺癌和未受累肺进行了 miRNA 表达谱分析。我们使用来自从不吸烟者的 56 对新鲜冷冻 [FF] 样本的配对肺腺癌和未受累肺进行了 miRNA 表达谱分析。

【主题与分类】

主题标签:Transcriptomics。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-36681

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-36681

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据说明

我们证明,miR-708是非小细胞肺癌中过度表达最为显著的miRNA之一。肿瘤中miR-708的高水平也与从不吸烟者肺腺癌患者总体生存率降低相关。在功能上,miR-708的过表达促进了培养细胞的增殖、迁移和侵袭,并下调了Wnt信号通路的负调控因子TMEM88。综合来看,我们的结果支持miR-708通过激活Wnt信号通路促进肺癌进展的致癌作用。我们利用来自从不吸烟者的47对福尔马林固定、石蜡包埋[FFPE]组织的配对肺腺癌和未受累肺组织进行了miRNA表达谱分析。我们利用来自从不吸烟者的56对新鲜冷冻[FF]样本的配对肺腺癌和未受累肺组织进行了miRNA表达谱分析。

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。